Methodenbewijsdossier

Logistic regression (ML)

Logistic regression is a foundational probabilistic classifier that models the log-odds of a binary (or multinomial) outcome as a linear function of the predictors. Introduced by D. R. Cox in 1958, it remains one of the most widely used and interpretable classification methods in both statistics and machine learning, valued for its calibrated probability outputs and clear coefficient interpretation.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Logistic Regression (Machine Learning Classification Model)

Taxonomisch methodendossier · ml-model / machine-learning

Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. · DOI 10.1111/j.2517-6161.1958.tb00292.x
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 4). Springer. · ISBN 978-1-4614-7138-7

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyDecision Treemachine-suggested · Relational suggestion, not evidence.Taxonomic bucketLinear Regression (ML)machine-suggested · Relational suggestion, not evidence.Same method familyNaive Bayesmachine-suggested · Relational suggestion, not evidence.Same method familyRandom Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRegularized Logistic Regressionmachine-suggested · Relational suggestion, not evidence.